微博比较研究

分析比较新浪和腾讯微博网站的特点,对其内容变量、转发和评论数以及发博途径进行实证分析;对转发数和评论数、粉丝数、关注数和博文数,分组进行两两比较,利用SPSS统计软件,采用相关分析等方法,统计分析每个微博网站的用户关系和行为特征,研究发现转发数和评论数、粉丝数、关注数和博文数,每组数据两两之间,都具有一定的正相关性,认为影响和制约微博信息传播的基本要素有两点,一是用户本身的人际关系社会网络;二是微博信息。为微博网站的用户行为特征和信息传播机制研究提供理论依据。     

基于Twitter的信息传播仿真研究

通过对twitter网站上的转发和评论数据进行统计分析表明,用户的信息传播能力服从幂律分布。在此基础上,对以上2个实证数据集进行可视化仿真研究,结果显示某用户的微博被转发的人数越多,其对信息在网络中传播扩散的作用越大,但是不同的网络,关键节点对信息传播的影响程度不同。幂指数的大小决定了无标度网络中关键节点出度值的分布范围,幂指数越大,关键节点的出度值分布越均匀,其对信息在网络中的传播范围的影响相对越小。     

一种面向高校图书馆的个性化图书推荐系统

个性化图书推荐主要是以用户特征和借阅行为为挖掘对象,通过获取用户的兴趣特征及隐含的需求模式,实现用户与图书相互关联的个性化图书推荐服务。本文通过挖掘用户的背景信息构建用户特征模型,然后在设计喜好值计算、用户相似度计算和内容相似度计算以及标签信息获取方法的基础上,研究多种不同的图书推荐方法,以挖掘用户的潜在信息需求。最后利用图书馆的真实数据设计面向高校图书馆的个性化图书推荐系统,同时以标准网络数据集通过实验验证来评估推荐方法的有效性。     

数据挖掘在图书销售企业精确营销中的应用

研究基于数据挖掘技术的精确营销的方法和理念,结合图书销售企业目前的营销现状和存在的问题,挖掘发现隐藏在海量数据中的知识.通过对企业管理信息系统的源数据库海量信息的数据进行数据分析、提取,确立主题,进行有效的数据组织,来构建数据仓库模型.应用Microsoft SQL server 2005 Analysis提出数据挖掘技术的解决方法,并使用其功能强大的数据挖掘技术:决策树、聚类分析和关联规则等应用广泛的分析方法,探讨基于数据挖掘技术的精确营销在图书销售企业的客户细分,用户购买行为分析以及营销策略.     

基于数据挖掘的图书智能推荐系统研究

针对目前传统数字图书馆无法为用户提供准确个性的图书推荐服务的问题,提出构建基于数据挖掘技术的图书智能推荐系统,简单分析数据挖掘技术中关联规则技术适用图书推荐的原因和相关概念,并且对该系统的框架进行研究,最后通过实验,运用数据挖掘软件对真实的借阅记录进行关联规则挖掘,得出关联规则作为图书智能推荐系统的关键技术是行之有效的结论。     

强关联规则挖掘在智慧图书馆个性化推送服务中的应用研究

【目的/意义】关联数据发现与个性化信息推送是未来智慧图书馆建设的核心内容。大数据环境下,为了提 高图书馆推送信息的精准度,本文把适合个性化信息推送服务的强关联规则挖掘技术引入到高校图书馆智慧化信 息服务中,研究在图书馆集成管理系统的基础上实现图书的智能查询和个性化信息推送。【方法/过程】在具体的研 究中,由于经典关联规则挖掘需要多次扫描数据库,生成大量的冗余关联规则信息,因此需要重新定义领域内强关 联规则和频繁项目集,提出处理海量数据需要的强关联规则算法。【结果/结论】将改进的算法应用到图书借阅和信 息查询数据的分析中,以减少图书频繁项集的产生,避免冗余规则的挖掘和生成,从而实现关联图书信息的高效挖 掘和个性化推送。     

Apriori算法在物联网(IOT)数据挖掘中的应用

为了提高物联网海量数据的分析处理能力,采用Apriori算法对物联网数据进行规则关联处理。首先对物联网数据进行样本划分,并采用矩阵的方式存储,接着对数据样本进行标准化处理,并得到模糊相似矩阵,最后采用Apriori算法根据频繁项集进行规则关联。本文采用基于物联网的数字图书馆作为仿真对象,对用户行为数据进行数据挖掘,实验证明,该方法完成的物联网数据规则关联,置信度高,具有一定的应用价值。     

社交网络用户信息贡献行为影响因素分析

【目的/意义】研究社交网络用户信息贡献行为,有利于揭示用户线上行为活动规律,并促进社交媒体健康 有序发展。【方法/过程】分析社交网络信息贡献行为的概念、类型和特征;采用网上问卷调查和用户线上行为数据 采集相结合的方法,分析用户属性、网络信任与用户信息贡献行为的相关性。【结果/结论】性别、年龄、性格、信息质 量、风险安全、声誉地位和感知相似性对用户自我揭露行为和发布、评论与转发行为具有显著的影响。     

网络用户在线评论的主题图谱构建及可视化研究——以酒店用户评论为例

【目的/意义】网络用户在线评论是用户对某产品或服务机构体验感知的反馈,对网络用户在线评论的文 本挖掘是情报分析的重要内容。【方法/过程】为了更有效从海量网络用户在线评论文本中挖掘用户感兴趣的信息, 本研究爬取TripAdvisor网站四大城市的酒店用户在线评论,基于主题图谱理论和文本聚类算法构建网络用户在线 评论的聚类模型,通过图谱可视化揭示不同地区酒店用户观点差异,并分析不同图谱的社会网络特征。【结果/结 论】研究发现酒店用户最关注的是服务,其次是酒店的环境和位置。本研究能够快速挖掘酒店用户关注内容,对帮 助酒店管理者了解用户住宿需求并以此提高用户满意度具有重要价值。【创新/局限】本文结合主题图谱和文本挖 掘技术构建酒店用户在线评论主题图谱,在大数据文本主题聚类上显示出优越性。但本文仅分析TripAdvisor网站 四个城市中部分酒店的用户在线评论,数据面覆盖不够广泛。     

海量数据的分析研究

随着互联网的不断发展,网络信息量迅猛增加,面对海量杂乱无章的信息,用户很难从中快速搜寻到所关注的有用信息。将海量信息进行数据采集、预处理、清洗、分析,最后将分析结果以图表展示,使用户可以获得直观的信息分布十分必要。基于以上需求,本文以新闻数据为研究对象,通过采集器采集数据,数据预处理,并行框架的数据清洗,对数据结果进行分析,并将处理分析的结果以可视化形式来展示新闻信息热点分布状况,使用户高效快捷地了解社会信息焦点状况。     

复杂网络视角下在线健康社区评论有用性研究

【目的/意义】在线健康社区用户规模庞大,信息量浩如烟海,如何帮助社区管理者和用户判别有用信息,提 高决策效率是亟待解决的问题。【方法/过程】在复杂网络视角下,提出一个新的评论有用性分析框架。首先,采集 在线健康社区患者评论数据,采用文本分析法分析有用评论、非有用评论以及所有评论的主题分布和情感分布,初 步分析各类评论文本的有用性特征;其次,将各类评论文本分别转换为文本关联网络,使用社会网络分析方法进一 步分析其有用性特征;最后,分析评论有用性及其特征与患者发表评论、用户对评论的有用性投票以及文本关联网 络结构特征的关联性,实现基于文本关联网络的评论有用性分析。【结果/结论】有用评论和非有用评论文本关联网 络结构具有一定差异,在线健康社区用户就诊前后的信息需求和经验输出的重点有所不同。【创新/局限】基于复杂 网络视角研究在线健康社区评论有用性,但仅使用了好大夫在线的数据,未来可对更多数量和种类的在线健康社 区信息内容有用性进行研究。     

基于复杂网络的微博用户行为特性分析

移动互联网的发展为微博的发展提供了更加广阔的发展空间,以复杂网络的基本统计特性为基础,通过抓取新浪微博中的相关数据,对其进行处理分析,详细分析微博用户在信息发布行为、信息发布内容方面的相关特性以及用户的关注行为和评论转发行为进行了详细地分析,认为微博网络是典型的小世界网络,微博网络整体密度较小,呈稀疏状态,但局部密集;微博网络用户的分布呈不均匀的状态,用户在信息发布、分享等方面存在较大的信息不对称性,只有小部分用户拥有较多的信息资源,扮演核心角色,大部分用户在微博中处于边缘地位。这为微博营销和微博舆论引导与消解提供了基础。     

基于移动代理的数据挖掘在数字图书馆中的应用研究

数字图书馆信息具有海量性和分布性的特点,数据挖掘技术可以有效地处理数字图书馆海量数据,但现有的数字图书馆数据挖掘平台不能充分应对信息分布性的挑战.将移动代理和数据挖掘结合则可以较好地满足数字图书馆信息挖掘的要求.实验证明,基于移动代理的数据挖掘平台克服了传统网络计算模式的缺陷,能有效地完成对数字图书馆海量、分散数据源和知识源的挖掘.     

微博用户特征分析和核心用户挖掘

文章通过对微博用户的信息和关系数据进行决策树分析、相关性分析和关联规则来挖掘用户特征,并对微博网络进行核心用户发掘。结果表明：微博中的名人具有关注数小,被关注数大的特征;用户趋向于通过关注他人和积极发布微博文章两种方法来提高被关注度;愿意公布性别或自我描述的用户,通常愿意公布地址和发布博文,而不愿意公布地址、性别或自我描述的用户,通常不愿意公布其他两项;对微博网络进行核心用户挖掘并进行个性化营销是可行的。     

情感分歧对社交媒体中信息再传播的影响——以微博为例

[研究目的]社交媒体中信息的再传播是目前主流传播方式之一,研究情感特征对社交媒体中信息再传播的作用,揭示情感信息影响社交媒体中信息再传播的机制,对于科学引导网络舆论、维持健康网络环境具有重要意义。[研究方法]基于认知失调理论,引入情感分歧特征进行情感分析,以社交媒体中帖子的转发数与评论数作为信息再传播效果的衡量指标,构建了情感分歧与情感倾向影响信息再传播的理论模型,并使用微博平台上的数据,对模型进行验证。[研究结论]通过对回归模型结果分析,情感分歧能够显著正向影响社交媒体信息再传播,促进帖子的转发与评论;正面情感倾向性能够显著促进帖子的转发效果,对帖子的评论数影响效果并不显著;帖子内容的情感倾向性能够调节帖子内容中的情感分歧对帖子转发的影响,而评论情感倾向能够调节评论内容中的情感分歧对帖子评论数的影响。     

基于网络评论文本挖掘的技术预见方法研究

在网络社区兴起的背景下,鉴于网络社区的海量评论数据中蕴含着大量专家用户群体智慧,本文提出基于网络评论文本挖掘的技术预见新型方法,以促进技术预见活动顺利实施并取得准确可信的最终结果。首先从多源数据中获得种子科技主题,并将其投放至开放网络社区,吸引专家用户进行充分讨论形成交互数据,经过数据爬取、清洗、存储等环节得到网络评论数据集,再利用情感分析、主题模型等方法对网络评论中蕴含的隐性知识进行显性化挖掘,并结合相关领域专家的研判,最终得到辅助技术预见决策的有价值信息。通过新型方法,可以使技术预见活动大幅降低成本、打破时空限制,便于大规模专家参与其中,并最大限度降低少数专家主观色彩浓厚的负面影响。     

基于细粒度评论挖掘的在线图书相似度计算研究

【目的/意义】通过深度学习方法对图书评论进行细粒度挖掘,并基于挖掘结果优化图书间相似度计算结果。【方法/过程】首先从在线书评网站上采集图书评论,对评论进行词性分析构建属性词表,随后基于属性词表对评论进行类型标注,通过BERT-BiLSTM模型对标注数据进行学习以实现评论自动分类,最后通过BERT对分类后的评论进行向量表示,通过余弦相似度计算评论间的相似度以表征图书相似度。【结果/结论】本文构造的BERT-BiLSTM评论分类模型准确率、召回率和F1值分别达到0.922、0.921和0.921,可以较好地实现评论分类。通过模型将评论划分为文笔、人物、情节、概要、读者态度5种类型来计算图书间相似度可以得到较为契合的相似度结果。【创新/局限】相较于其他类型的评论,通过人物与情节类评论计算图书相似度的效果有待提高。以后可对这两类评论进行更为细粒度的分析。     

谈现代图书馆发展趋势的分析

数字图书馆是利用计算机技术、网络技术、数字化技术形成的跨地区、跨国家的信息空间、信息系统,并以数字化方式将信息资源存储在具有海量存储能力的存储系统中,通过计算机和网络将信息资源传递给不同地域的用户,从而做到不受时间、空间限制的信息资源共享。介绍了数字图书馆的定义和基本特征,探讨了当今数字化图书馆建设中存在的问题,然后对构建数字化图书馆提出了自己的建议和看法。     

产品用户评论在企业竞争情报中的应用——基于产品特征的关联规则数据挖掘

在总结用户评论相关研究的基础上,提出关联规则理论在用户评论挖掘中的作用,包括可以用来挖掘产品的优劣势特征及其程度大小,以及挖掘影响产品整体评价的关键特征。提出了基于产品特征关联规则数据挖掘的企业竞争情报应用模型,包含确定用户评论情报源及其采集、数据预处理及其产品特征提取、数据结构化处理及其关联规则分析和产品优劣势特征及其关键特征的对比分析四个模块。最后通过实验论证了这一模型的价值。     

基于风险数据挖掘追踪的云计算网络漏洞检测技术

在对云计算网络漏洞进行检测的过程中,涉及的数据量巨大,传统方法依据先验知识建立云计算网络漏洞库,通过和漏洞库的匹配实现漏洞检测,实现过程非常复杂,且建立的漏洞库也存在局限性,检测精度低,因此,提出一种基于风险数据挖掘追踪的云计算网络漏洞检测技术。将特征相关性看作是计算数据差异的依据对风险数据进行初聚类,将和风险数据有较大差异的正常数据剔除,完成初步的处理。引入模糊关联规则,依据风险数据属性关联规则,对经初聚类处理后的风险数据进行挖掘追踪,构成云计算网络漏洞数据库,通过隶属度分布函数对漏洞数据库的连续属性进行模糊处理,依据模糊关联规则挖掘构建云计算网络存在漏洞状态时的关联规则集,用相似度对云计算网络当前状态和存在漏洞状态的背离程度进行描述,实现云计算网络的漏洞检测。仿真实验结果表明,所提方法具有很高的检测精度和检测效率。